1、回声消除基础：什么是声学回声？回声产生的物理原理与路径分析。

各位同学好，我是老张。做音频处理这行十几年了，今天咱们来聊聊回声消除。嗯，这其实是整个课程的地基。地基打不牢，后面盖什么楼都晃悠。

你可能会想，回声嘛，不就是山里喊一声，过一会儿又传回来吗？其实在通信系统里，回声要复杂得多。我当年刚入行时，第一次调试免提通话，被自己的回声搞得差点崩溃——你说话，对方听到自己的声音又传回来，那体验，简直了。

1.1 什么是声学回声？

说白了，声学回声就是扬声器播放的声音，又被麦克风给收了回去。然后这个信号通过网络传到对方那边，对方就听到了自己刚才说的话。

举个例子你就明白了：

• 你在北京，朋友在上海
• 你对着手机说“喂，听得到吗？”
• 你的声音通过网络传到上海，从朋友的手机扬声器放出来
• 这个声音在房间里反射，又被朋友的麦克风收进去
• 然后这个“回声”又传回北京，你从自己的扬声器里听到了自己刚才说的话

这就是声学回声的完整链路。我遇到过不少产品经理，总觉得这是网络延迟的问题。其实不然，延迟只是让回声更明显，但根源在于声学耦合。

1.2 回声产生的物理原理

为什么会这样？咱们从物理层面拆解一下。

声音在空气中传播，遇到墙壁、家具、人体都会反射。你想想看，一个封闭的房间里，扬声器发出的声波会像弹球一样到处乱撞。麦克风呢，它可不管这个声音是你说的话，还是扬声器放出来的，它照单全收。

这里有个关键参数——声学耦合度。它描述的是扬声器声音“漏”到麦克风的比例。耦合度越高，回声越严重。

影响因素	对回声的影响	我见过的坑
扬声器与麦克风距离	越近，耦合越强	有的手机把扬声器和麦克风放在同一侧，免提时回声特别大
房间反射面	硬表面反射强，回声大	在玻璃会议室里开会，回声能让你怀疑人生
音量大小	音量越大，回声越明显	老人家喜欢把音量开到最大，结果就是谁也听不清
设备结构	结构设计不合理，声短路	某款平板，扬声器开孔和麦克风开孔在内部是通的，直接物理耦合

1.3 回声路径分析

搞清楚了原理，咱们来看看回声到底走了哪条路。我个人习惯把回声路径分成三段：

1. 近端路径：扬声器 → 房间 → 麦克风（这是本地设备的声学耦合）
2. 远端路径：对方扬声器 → 对方房间 → 对方麦克风（这是远端设备的耦合）
3. 网络路径：信号在两端之间传输（延迟、丢包、抖动都会影响）

实际做回声消除时，我们主要关注的是近端路径。因为远端路径我们控制不了，但近端设备上的扬声器和麦克风，是我们能调教的。

1.4 回声的类型

嗯，这里要注意，回声不是只有一种。根据延迟时间不同，我把它分成两类：

• 短时回声（早期回声）：延迟在几十毫秒以内。听起来像声音变“空”了，或者有“金属感”。这种回声主要来自设备内部的声短路，或者近距离的反射。
• 长时回声（晚期回声）：延迟在几百毫秒甚至更长。这就是我们通常说的“听到自己的回声”，非常影响通话体验。

为什么这么分？因为处理方式不一样。短时回声可以用线性滤波器搞定，长时回声就需要非线性处理了。这个后面章节会细讲。

1.5 核心知识体系

下面这张图，是我自己总结的回声消除知识框架。你看一眼，心里有个谱：

1.6 为什么回声消除这么难？

你可能会问，不就是把扬声器的信号减掉吗？理论上确实是这样。但实际做起来，有几个麻烦事：

• 延迟不确定：网络延迟在变，系统处理延迟也在变。你没法精确知道回声什么时候回来。
• 房间在变：用户可能从客厅走到卧室，反射环境全变了。自适应滤波器需要不断重新学习。
• 非线性失真：扬声器不是完美的线性器件，会产生谐波失真。这些失真成分，线性滤波器搞不定。
• 双讲问题：两边同时说话时，你既要消除回声，又要保留对方的语音。这两者混在一起，很难分离。

嗯，这些问题我们后面会一个一个解决。今天先把基础打牢，后面学起来就顺了。